MPEG-4是一種新興的視頻標(biāo)準(zhǔn),,其彈性糾錯(cuò)能力和可支持小屏幕的特性使之在移動(dòng)通信市場(chǎng)上受到廣泛關(guān)注,幾乎所有移動(dòng)電話生產(chǎn)商和PDA開發(fā)商都對(duì)其表示出極大的興趣,。然而這種視頻標(biāo)準(zhǔn)對(duì)處理器的要求卻非常高,。在整個(gè)移動(dòng)通信結(jié)構(gòu)中,僅MPEG-4處理器這一部分就會(huì)毫不客氣地吞掉大量的資源,。因而要想真正實(shí)現(xiàn)無(wú)線視頻應(yīng)用這一夢(mèng)想,,首先就必須解決MPEG-4信號(hào)處理問(wèn)題。
工程師們已經(jīng)嘗試過(guò)采用固定編碼邏輯和通用型DSP來(lái)完成這一龐然大物般的MPEG-4處理,,但結(jié)果均不理想,。固定編碼邏輯雖然能夠提供較高的性能,但設(shè)計(jì)和實(shí)現(xiàn)所需的時(shí)間太長(zhǎng),,而且得到的設(shè)計(jì)結(jié)果不夠靈活,,無(wú)法滿足將來(lái)修改的需要。而通用可編程數(shù)字信號(hào)處理器(DSP)盡管很適合有限沖擊響應(yīng)(FIR)濾波和其他一些MAC密集的應(yīng)用,,但對(duì)于可變長(zhǎng)度解碼和離散余弦變換等視頻編解碼中固有的算法卻又無(wú)法有效實(shí)現(xiàn),。
那么怎樣才能設(shè)計(jì)出滿足要求的處理器呢,?本文給出了一種方案:采用定制DSP。工程師們可以利用數(shù)字DSP IP核并結(jié)合一些新的設(shè)計(jì)方法,,設(shè)計(jì)一種用戶化的引擎來(lái)完成所需的MPEG-4功能,,從而將無(wú)線視頻應(yīng)用變?yōu)楝F(xiàn)實(shí)。
本方案的第一步,,要開發(fā)一種應(yīng)用軟件來(lái)執(zhí)行MPEG-4視頻標(biāo)準(zhǔn),,然后對(duì)該軟件進(jìn)行優(yōu)化和校驗(yàn),以保證其滿足MPEG-4視頻標(biāo)準(zhǔn)的要求,。第二步,,在這個(gè)應(yīng)用軟件得到優(yōu)化之后,將其編譯至一個(gè)通用型DSP引擎,,仔細(xì)分析它在應(yīng)用中可能出現(xiàn)的性能瓶頸。通過(guò)分析,,構(gòu)造一組由設(shè)計(jì)者定義的計(jì)算單元(DDCU),,有針對(duì)性地解決應(yīng)用中的計(jì)算瓶頸問(wèn)題。這組DDCU構(gòu)成一個(gè)庫(kù),,利用這個(gè)庫(kù),,設(shè)計(jì)者可以為不同的產(chǎn)品和產(chǎn)品域創(chuàng)建不同的用戶應(yīng)用DSP引擎。例如,,在一個(gè)支持QCIF(四分之一普通接口格式)和CIF幀格式的PDA中,,可以通過(guò)簡(jiǎn)單等級(jí)(SP)和高級(jí)簡(jiǎn)單等級(jí)(ASP)創(chuàng)建一個(gè)簡(jiǎn)單的定制 DSP來(lái)實(shí)現(xiàn)低速編解碼。
此外,,通過(guò)恰當(dāng)?shù)脑O(shè)計(jì)規(guī)劃,,設(shè)計(jì)者還可以使引擎的性能剛好滿足目標(biāo)產(chǎn)品的要求——例如針對(duì)CIF格式設(shè)計(jì)出幀處理速度為每秒15幀的 DSP引擎——這樣就能降低對(duì)時(shí)鐘速率、指令長(zhǎng)度和存儲(chǔ)映像的要求,,從而實(shí)現(xiàn)低功率和低成本,。但是若想支持更大尺寸的幀并支持高級(jí)分析,就需要?jiǎng)?chuàng)建一種性能更高的DSP引擎,。這種DSP引擎內(nèi)部并行度更高,,可用資源量更大,因而運(yùn)行速度也更快,。
最后一步,,將定制DSP融入多處理器內(nèi)核,通過(guò)兩者的共同作用來(lái)達(dá)到進(jìn)一步規(guī)劃高端應(yīng)用性能的目的,。在當(dāng)今的通信行業(yè)中,,產(chǎn)品推向市場(chǎng)的速度越來(lái)越快,以上談到的方法和工具恰好為快速分析和創(chuàng)建定制DSP從而加快產(chǎn)品設(shè)計(jì)提供了一種較好的方案,。
下面讓我們看看定制DSP是如何創(chuàng)建的,。
可定制的VLIW(超長(zhǎng)指令字)引擎
引擎指一組資源的集合,,通過(guò)對(duì)這種資源編程,可以使之以某種給定的順序?qū)崿F(xiàn)一系列操作,。通常,,設(shè)計(jì)中最主要的處理工作是由數(shù)據(jù)通道資源-即我們所說(shuō)的計(jì)算單元-來(lái)完成的。
計(jì)算單元可以對(duì)其輸入進(jìn)行一系列操作,,并輸出一個(gè)或多個(gè)計(jì)算結(jié)果,。RISC(精簡(jiǎn)指令集計(jì)算機(jī))和DSP是兩種由計(jì)算單元組成的處理器。其中,,RISC處理器每次(每時(shí)鐘周期)只能執(zhí)行一個(gè)操作,,而典型的多媒體和DSP應(yīng)用卻可以在每個(gè)時(shí)鐘周期內(nèi)執(zhí)行多項(xiàng)操作。這是因?yàn)榇蟛糠诌@種高級(jí)DSP 的結(jié)構(gòu)都具有某種形式的指令級(jí)并行處理能力,。
本文給出的方案中,,針對(duì)MPEG-4應(yīng)用而設(shè)計(jì)的DSP引擎能夠達(dá)到固定編碼邏輯和通用型DSP都無(wú)法達(dá)到的性能。該引擎之所以如此成功,,主要原因之一就是采用了VLIW結(jié)構(gòu),。VLIW是一種非常適合多媒體應(yīng)用的結(jié)構(gòu)。它支持指令級(jí)并行性,,這就使得采用它的DSP引擎可以在單時(shí)鐘周期內(nèi)執(zhí)行多項(xiàng)操作,。不但如此,它還支持應(yīng)用程序編譯過(guò)程中的并行性,,這又避免了為龐大的視頻處理耗費(fèi)過(guò)長(zhǎng)的運(yùn)行時(shí)間或增加過(guò)大的晶片體積,。與VLIW類似的超標(biāo)量體系結(jié)構(gòu)也具備這一特性。
用戶應(yīng)用引擎的一種專用解決方案
下面來(lái)討論一個(gè)現(xiàn)實(shí)生活中的解決方案,,該方案采用了三級(jí)不同的可定制性來(lái)構(gòu)造專門的用戶應(yīng)用引擎,。
第一級(jí)可定制性在處理器的標(biāo)準(zhǔn)資源處提供,這些標(biāo)準(zhǔn)資源包括算術(shù)邏輯單元(ALU)以及乘法器和累加器(MAC)等,。對(duì)某些應(yīng)用而言MAC 用得較多,,如基于快速傅立葉變換(FFT)的算法;還有一些則傾向于更多地采用ALU,。這就提出了一個(gè)要求,,對(duì)于不同的應(yīng)用,處理器應(yīng)有不同的資源組合,,而不是將所有的應(yīng)用都分配到同樣的一組固定的資源中去,。
例如,可以將一個(gè)MAC密集的算法分配到一個(gè)包含4 MAC,、2 ALU,、1 SHIFT的處理器中去,而將一個(gè)ALU密集的應(yīng)用分配給一個(gè)包含3 ALU,、1 MAC,、1 SHIFT的引擎,。這種處理器資源分配的可定制性對(duì)許多普通應(yīng)用而言已經(jīng)綽綽有余,但對(duì)大多數(shù)與視頻相關(guān)的應(yīng)用來(lái)說(shuō)還遠(yuǎn)遠(yuǎn)不夠,,它們的要求更高,,并且需要更多的運(yùn)算單元來(lái)加快運(yùn)行速度。
第二級(jí)可定制性允許向處理器添加DDCU協(xié)處理器,。設(shè)計(jì)者先要對(duì)所需完成的應(yīng)用有一個(gè)大致的認(rèn)識(shí),,接著對(duì)該應(yīng)用進(jìn)行分析,將其中的一些專用函數(shù)分離出來(lái),,然后在硬件上專門針對(duì)這些函數(shù)進(jìn)行加速處理,,即添加DDCU。此外,,設(shè)計(jì)者還可以分析一下,,采用工具組添加DDCU來(lái)加快運(yùn)行速度會(huì)對(duì)處理器的性能造成怎樣的潛在影響,以及在諸如此類的一些其他假設(shè)下會(huì)出現(xiàn)什么情況,。
DDCU是一種適用于專用算法的計(jì)算單元,。一旦設(shè)計(jì)者確認(rèn)了哪個(gè)算法需要用DDCU進(jìn)行硬件加速之后,就可以寫出實(shí)現(xiàn)該DDCU的RTL 代碼,,并將其加入用戶應(yīng)用引擎。例如,,在通用DSP中加入濾波DDCU,,那么若用該DSP實(shí)現(xiàn)一個(gè)需要濾波的應(yīng)用,其表現(xiàn)出來(lái)的性能就會(huì)有所增強(qiáng),。
除此以外,,設(shè)計(jì)者還要在增加并行性所帶來(lái)的性能優(yōu)化和該并行性對(duì)指令的影響之間尋找最佳平衡。為解決這一問(wèn)題,,可以在VLIW指令中定義分段的數(shù)目(從而定義最大并行度),,并為每一段分別分配CU和DDCU(見(jiàn)圖1)。
最后一級(jí)可定制性表現(xiàn)在處理器資源的選擇上,。設(shè)計(jì)者可以自己決定需要多大的數(shù)據(jù)存儲(chǔ)器,,以及需要多少個(gè)數(shù)據(jù)寄存器和地址寄存器。而且,,根據(jù)具體應(yīng)用所提出的數(shù)據(jù)要求,,設(shè)計(jì)者還可以增加存儲(chǔ)器接口,以便提供并行數(shù)據(jù)訪問(wèn),。這些共享的存儲(chǔ)器接口又可以用來(lái)連接多個(gè)處理器引擎,,這就為處理器資源提供了一定的可伸縮性。
采用DSP引擎的一個(gè)關(guān)鍵的好處是可以加快產(chǎn)品投入市場(chǎng)的時(shí)間,。但要達(dá)到這個(gè)目的,,還要先定義一系列與DSP引擎協(xié)作的DDCU協(xié)處理器,。在設(shè)計(jì)MPEG-4引擎的時(shí)候,首先要對(duì)其各個(gè)方面進(jìn)行全面分析,,確定需要采用哪些DDCU,。然后用這些DDCU構(gòu)建起一個(gè)大致MPEG-4引擎,分析其性能瓶頸,,并針對(duì)性能瓶頸再定義一些DDCU加入引擎中,,從而提高該引擎的性能,沖破其瓶頸,。為了更方便地完成以上工作,,人們開發(fā)出一個(gè)專門用于MPEG -4應(yīng)用的DDCU庫(kù)。以下討論了該庫(kù)中的某些專用DDCU,。
1. 比特流/可變長(zhǎng)度解碼DDCU
在視頻編碼中常常會(huì)遇到可變長(zhǎng)度解碼,。比特流/可變長(zhǎng)度解碼DDCU 可以加快從輸入比特流中取出可變長(zhǎng)度字段的速度,這是一種基本操作,。如果用軟件來(lái)實(shí)現(xiàn)這種比特流管理,,會(huì)消耗大量的時(shí)鐘周期來(lái)處理指針的移位、屏蔽和管理,,而采用比特流/可變長(zhǎng)度解碼DDCU則可以在一個(gè)簡(jiǎn)單的硬件單元里快速完成同樣的功能,。
在比特流/可變長(zhǎng)度解碼DDCU中,由用戶設(shè)計(jì)的指令組集中完成普通比特的提取和插入操作,。這種DDCU不但能加快處理速度,,提高整個(gè)視頻引擎的性能,還可以解放處理器中的其他資源,,使之得以用于周圍的其他處理過(guò)程,。因此,采用這種DDCU不但可以減小指令長(zhǎng)度,,同時(shí)還增強(qiáng)了系統(tǒng)性能,。實(shí)際上,在DSP中加入這種計(jì)算單元會(huì)使可變長(zhǎng)度解碼的速度增快23.2%,。
2. 量化/反量化DDCU
量化和反量化是視頻編解碼中的兩種基本操作,,其計(jì)算量占整個(gè)視頻編解碼計(jì)算量的10%甚至更多。量化/反量化DDCU允許在單周期內(nèi)處理多像素,,其內(nèi)部操作可以滿足多種MPEG-4等級(jí)的量化需求,。在比特流/可變長(zhǎng)度解碼DDCU中,將可變長(zhǎng)度解碼模塊的計(jì)算需求降低15.4%時(shí),,指令存儲(chǔ)空間也會(huì)減小,,這一特性同樣適用于量化、反量化DDCU。
3. 半像素內(nèi)插/運(yùn)動(dòng)補(bǔ)償DDCU
這種運(yùn)算單元用于加速半像素內(nèi)插操作,,該操作所需計(jì)算量相當(dāng)大,。在解碼器中,內(nèi)插/補(bǔ)償操作所消耗的時(shí)鐘周期約為總時(shí)鐘周期的40%,。該單元中所涉及的運(yùn)算其實(shí)很簡(jiǎn)單,,只需要面積很小的硅片就能完成,因此很容易移入DDCU中去,。就算是邊緣擴(kuò)展這樣的涉及大量計(jì)算的操作,,只要不需要進(jìn)行優(yōu)化處理,也還是可以較好地移入硬件中,。
不論采用哪種內(nèi)插類型,,內(nèi)插/運(yùn)動(dòng)補(bǔ)償DDCU中的指令組都允許每周期內(nèi)插4個(gè)像素,這一特性也減少了需要執(zhí)行的指令數(shù),。通過(guò)使用內(nèi)插/運(yùn)動(dòng)補(bǔ)償DDCU,,半像素內(nèi)插/運(yùn)動(dòng)補(bǔ)償操作的速度可以增快74.6%。
4. DCT/IDCT DDCU
IDCT(反離散余弦變換)和DCT(離散余弦變換)都是視頻編碼中固有的運(yùn)算,。眾所周知,,這兩種運(yùn)算需要占用大量的時(shí)鐘周期,并要求在編寫其匯編代碼時(shí)非常小心,。本文談到的這種專用DCT/IDCT DDCU單元(依據(jù)IEEE 1180-1990規(guī)范)可模仿DCT/IDCT中的“蝶形”運(yùn)算,。通過(guò)使用這種計(jì)算單元可以大大提高視頻設(shè)計(jì)的性能和生產(chǎn)力,從而使開發(fā)人員能夠集中精力開發(fā)視頻應(yīng)用中的其他方面,,以達(dá)到使其產(chǎn)品區(qū)別于其他同類產(chǎn)品的目的,。
5. 運(yùn)動(dòng)估計(jì)(MEMC)DDCU
MEMC單元用于幫助完成運(yùn)動(dòng)估計(jì)這一計(jì)算量最大的操作。無(wú)線視頻應(yīng)用中,,在每個(gè)運(yùn)動(dòng)矢量的位置上都必須進(jìn)行誤差測(cè)量。MEMC DDCU可以完成兩種最常見(jiàn)的誤差測(cè)量計(jì)算:絕對(duì)誤差和(SAD)測(cè)量和平方誤差和(SSE)測(cè)量,。DSP平臺(tái)中若加入該運(yùn)算單元,,那么每周期誤差測(cè)量時(shí)所比較和累加的像素位置就可以多達(dá)4個(gè)。
6. 四分之一像素運(yùn)動(dòng)補(bǔ)償單元
基本來(lái)說(shuō),,該單元所提供的功能是對(duì)半像素內(nèi)插單元的一種必要的擴(kuò)展,。四分之一像素算法比半像素算法稍微復(fù)雜一些,因?yàn)樗紫炔捎昧艘粋€(gè)2維FIR 濾波器來(lái)獲取半像素值,,然后才使用線性插值法來(lái)計(jì)算四分之一像素值,。這個(gè)2維濾波器直接并入半像素內(nèi)插單元,致使半像素內(nèi)插單元的硅片面積稍有增大,,但這種方式仍然保持了較高的像素處理速度,,這一速度遠(yuǎn)遠(yuǎn)超過(guò)只采用Simple Profile 設(shè)計(jì)的DSP引擎。
7. 全局運(yùn)動(dòng)補(bǔ)償單元
在視頻應(yīng)用中有一種變形函數(shù)(warping function)專門用來(lái)描述當(dāng)前視頻對(duì)像相對(duì)于參考視頻對(duì)像的變化。全局運(yùn)動(dòng)補(bǔ)償(GMC)單元就是為加速這種函數(shù)的運(yùn)算而設(shè)計(jì)的,。該單元最大可支持 3點(diǎn)變形(即參考VOP的仿射變換),。一旦從比特流中分析出變形點(diǎn)的個(gè)數(shù)后,就用這個(gè)數(shù)值來(lái)初始化GMC,。GMC計(jì)算變形等式的速度遠(yuǎn)遠(yuǎn)快于純軟件實(shí)現(xiàn)方式的計(jì)算速度,。
8. 語(yǔ)境自適應(yīng)算法編/解碼DDCU
構(gòu)成語(yǔ)境需要進(jìn)行逐位操作,而逐位操作只能在標(biāo)準(zhǔn)的32位DSP中實(shí)現(xiàn),。為了打破這一限制,,語(yǔ)境自適應(yīng)算法編/解碼DDCU采用硬件方法形成語(yǔ)境值。該DDCU內(nèi)部有一個(gè)查找表,,用于存放所有可能的語(yǔ)境值,,以便快速查找判斷。語(yǔ)境自適應(yīng)編解碼運(yùn)算單元支持以1b/周期的速度進(jìn)行算法編,、解碼,。
怎樣創(chuàng)建一個(gè)工作平臺(tái)
設(shè)計(jì)者定義了需要用到的DDCU之后,就可以用它們來(lái)創(chuàng)建滿足其特殊要求的用戶應(yīng)用引擎,,并由此構(gòu)建起工作平臺(tái),,從而設(shè)計(jì)出具有MPEG-4視頻功能的產(chǎn)品。
為清楚起見(jiàn),,讓我們來(lái)看一個(gè)例子,,例中的引擎是專門針對(duì)可傳送MPEG-4信息的3G移動(dòng)電話設(shè)計(jì)的。這樣的引擎要想在3G移動(dòng)電話上實(shí)現(xiàn)預(yù)期的視頻功能,,就必須以低于20MHz的速度處理第1級(jí)和第2級(jí)MPEG-4簡(jiǎn)單視覺(jué)等級(jí),,這樣才能為諸如音頻和語(yǔ)音處理等其他DSP功能留有一定的可規(guī)劃帶寬。
在開始設(shè)計(jì)用戶DSP時(shí),,分配1 ALU,、1 SHIFT和1MAC單元作為起始基準(zhǔn)平臺(tái)是比較合理的。要想增加并行性,,只需將這些計(jì)算單元再分配給兩個(gè)單獨(dú)的指令段:ALU和SHIFT分配給同一段,, MAC分配給另一段。如果該視頻應(yīng)用采用的是幀處理速度為每秒15幀的CIF格式,,那么要在這個(gè)用戶平臺(tái)上編譯視頻應(yīng)用程序就需要40MHz的帶寬,,若采用QCIF格式則只需10MHz帶寬。盡管這樣的帶寬已經(jīng)很具競(jìng)爭(zhēng)力了,,但仍然不能滿足前面提到的具有MPEG-4功能的3G移動(dòng)電話的需要,。
降低帶寬要求的解決方案
首先,要分析在用戶平臺(tái)中加入不同的計(jì)算單元對(duì)其性能的影響(這些計(jì)算單元全部來(lái)自MPEG-4 DDCU庫(kù)),。也就是說(shuō),,我們定義了一系列的引擎,,以此分析不同的計(jì)算單元混用方式所造成的性能影響。分析表明,,應(yīng)該保留兩段型引擎定義,,因?yàn)檫@可以限制指令寬度,使之不至于過(guò)寬,。
然后再定義一些新的引擎,,經(jīng)過(guò)編譯,分析其結(jié)果,。新引擎定義分析的整個(gè)過(guò)程用了1或2個(gè)小時(shí),。由于DDCU庫(kù)是提前創(chuàng)建好的,因此許多引擎可以在一天時(shí)間內(nèi)就分析完,。接著從這些引擎中選出最能滿足目標(biāo)產(chǎn)品要求的,,用來(lái)構(gòu)建工作平臺(tái)。
這樣得到的工作平臺(tái)與基準(zhǔn)平臺(tái)相比,,增加了一個(gè)ALU和四個(gè)MPEG-4 DDCU:比特流DDCU,、量化/反量化DDCU、半像素DDCU和DCT/IDCT DDCU(見(jiàn)圖2),。在起始平臺(tái)的基礎(chǔ)上添加這些運(yùn)算單元,,目的就是在不增大指令存儲(chǔ)或數(shù)據(jù)存儲(chǔ)的前提下,盡可能降低對(duì)時(shí)鐘速率(MHz)的要求,。完成這些操作之后,,我們得到了這樣一個(gè)用戶應(yīng)用引擎,該引擎可以用帶寬只有18MHz的DSP完成每秒15幀的CIF格式圖像的解碼,,同時(shí)還能滿足這種3G無(wú)線視頻應(yīng)用的其他關(guān)鍵要求(低功率,、小晶片尺寸以及低時(shí)鐘速率)。
從圖3中可以看出DDCU對(duì)加快整個(gè)應(yīng)用運(yùn)行速度的作用,。圖中第一條表示在標(biāo)準(zhǔn)CU構(gòu)成的基準(zhǔn)平臺(tái)上,,整個(gè)運(yùn)算時(shí)間在IDCT、運(yùn)動(dòng)補(bǔ)償(MC)以及可變長(zhǎng)度編碼和反量化(VLD/DQnt)這幾種DDCU之間的分布情況,。
可以看出,,在這幾種DDCU中,MC部分占用時(shí)鐘周期最多,。因此我們?cè)诠ぷ髌脚_(tái)上添加了一個(gè)DDCU來(lái)加速半像素內(nèi)插操作,提高M(jìn)C部分的速度,。一旦MC部分所占用的時(shí)鐘周期數(shù)大幅降低,,VLD/DQnt馬上就上升成為了限制整個(gè)應(yīng)用性能的最主要因素。針對(duì)這一情況,,再添加一個(gè)比特流 DDCU和一個(gè)量化/反量化DDCU,,又進(jìn)一步提高了性能。這樣,最初的基準(zhǔn)平臺(tái)已經(jīng)經(jīng)過(guò)了兩次組合,。此時(shí),,再將IDCT DDCU加入其中,整個(gè)應(yīng)用的性能就得到了更大的提高,。圖3中的最后一條給出了三次組合后整個(gè)應(yīng)用需要耗費(fèi)的時(shí)鐘周期,。
上面介紹的只是一個(gè)典型案例。一般而言,,在無(wú)線視頻應(yīng)用的開發(fā)中,,按照以上這幾步進(jìn)行操作,我們就可以快速地構(gòu)造一個(gè)優(yōu)化的引擎,,為移動(dòng)電話或PDA設(shè)備開發(fā)出收發(fā)MPEG-4視頻信息的功能,。更妙的是,在構(gòu)造起這個(gè)引擎的同時(shí)還可以解放一部分處理器資源,,使之有余力去支持其他的一些新興功能,,比如MP3音頻、網(wǎng)絡(luò)瀏覽,,甚至更多,。